論文の概要: fAshIon after fashion: A Report of AI in Fashion
- arxiv url: http://arxiv.org/abs/2105.03050v1
- Date: Fri, 7 May 2021 03:38:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-10 12:12:51.617587
- Title: fAshIon after fashion: A Report of AI in Fashion
- Title（参考訳）: fashion after fashion: a report of ai in fashion
- Authors: Xingxing Zou, Waikeung Wong
- Abstract要約: 本報告はファッション産業におけるfAshIon(Artificial Intelligence)の発展について考察する。
近い将来、ファッション業界の大きなディスラプターになる可能性を模索しています。
私たちの主な研究の一環として、ファッション業界で応用fAshIonの幅広いケースをレビューしています。
ファッションが提示する課題を特定し,今後の研究の基盤となる可能性を示唆する。
- 参考スコア（独自算出の注目度）: 19.188864062289433
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this independent report fAshIon after fashion, we examine the development
of fAshIon (artificial intelligence (AI) in fashion) and explore its
potentiality to become a major disruptor of the fashion industry in the near
future. To do this, we investigate AI technologies used in the fashion industry
through several lenses. We summarise fAshIon studies conducted over the past
decade and categorise them into seven groups: Overview, Evaluation, Basic Tech,
Selling, Styling, Design, and Buying. The datasets mentioned in fAshIon
research have been consolidated on one GitHub page for ease of use. We analyse
the authors' backgrounds and the geographic regions treated in these studies to
determine the landscape of fAshIon research. The results of our analysis are
presented with an aim to provide researchers with a holistic view of research
in fAshIon. As part of our primary research, we also review a wide range of
cases of applied fAshIon in the fashion industry and analyse their impact on
the industry, markets and individuals. We also identify the challenges
presented by fAshIon and suggest that these may form the basis for future
research. We finally exhibit that many potential opportunities exist for the
use of AI in fashion which can transform the fashion industry embedded with AI
technologies and boost profits.
- Abstract（参考訳）: ファッション後の独立レポートfAshIonにおいて、ファッションにおけるfAshIon(AI)の発展について検討し、その可能性を探り、近い将来、ファッション産業の大きなディスラプターとなる。
そこで,ファッション業界で使用されているAI技術について,いくつかのレンズを用いて検討する。
我々は,過去10年間に行われたfAshIon研究を要約し,概観,評価,基本技術,販売,スタイリング,デザイン,購入の7つのグループに分類した。
fAshIonリサーチで言及されているデータセットは、使いやすくするために、GitHubページに統合されている。
本研究は,fAshIon研究の背景を明らかにするため,著者の背景と地理的地域を分析した。
本分析の結果は,fAshIonにおける研究の全体像を研究者に提供するためのものである。
我々の主要な研究の一環として、ファッション業界における応用ファッションの幅広い事例をレビューし、その産業、市場、個人への影響を分析した。
また,fAshIonの課題を特定し,今後の研究の基盤となる可能性も示唆した。
最終的に私たちは、ai技術が埋め込まれたファッション産業を変革し、利益を上げることができるファッションにおけるaiの利用に、多くの潜在的な機会が存在することを示しています。
関連論文リスト
- Brain-inspired Artificial Intelligence: A Comprehensive Review [15.964784631512414]
レビューは、現代のAIモデル、すなわち脳にインスパイアされた人工知能(BIAI)を形成する多様なデザインインスピレーションを探求する
本稿では,BIAIアプローチを物理的構造に着想を得たモデルと人間行動に着想を得たモデルに分類する。
さまざまなBIAIモデルが優れている実世界のアプリケーションについて検討し、その実用的メリットとデプロイメント上の課題を強調します。
論文 参考訳（メタデータ） (2024-08-27T06:49:50Z) - Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。
本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。
我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
論文 参考訳（メタデータ） (2024-08-22T04:49:50Z) - Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。
本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。
我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
論文 参考訳（メタデータ） (2024-05-16T02:00:44Z) - FashionReGen: LLM-Empowered Fashion Report Generation [61.84580616045145]
先進大言語モデル(LLM)に基づく知的ファッション分析・報告システムを提案する。
具体的には、いくつかの重要な手順を備えた効果的なキャットウォーク分析に基づくFashionReGenの提供を試みる。
また、他の領域における工業的重要性を持つより高度なタスクの探索にも刺激を与えている。
論文 参考訳（メタデータ） (2024-03-11T12:29:35Z) - A Disruptive Research Playbook for Studying Disruptive Innovations [11.619658523864686]
本稿では、説得力があり社会的に関係のある研究課題を定式化するためのガイドを提供するための研究プレイブックを提案する。
私たちは、AIとAR/VRの2つの破壊的なテクノロジの影響を疑問視するために使用することができることを示しています。
論文 参考訳（メタデータ） (2024-02-20T19:13:36Z) - A Survey of Reasoning with Foundation Models [235.7288855108172]
推論は、交渉、医療診断、刑事捜査など、様々な現実世界の環境において重要な役割を担っている。
本稿では,推論に適応する基礎モデルを提案する。
次に、基礎モデルにおける推論能力の出現の背後にある潜在的な将来方向を掘り下げる。
論文 参考訳（メタデータ） (2023-12-17T15:16:13Z) - The Thousand Faces of Explainable AI Along the Machine Learning Life
Cycle: Industrial Reality and Current State of Research [37.69303106863453]
この知見は機械学習ライフサイクルにおけるXAIの役割と適用性に関する広範なインタビューに基づいている。
また,不透明なAIモデルの非専門家の解釈と理解を可能にするためには,さらなる努力が必要であることも確認した。
論文 参考訳（メタデータ） (2023-10-11T20:45:49Z) - State of the Art on Diffusion Models for Visual Computing [191.6168813012954]
本稿では,拡散モデルの基本数学的概念,実装の詳細,および一般的な安定拡散モデルの設計選択を紹介する。
また,拡散に基づく生成と編集に関する文献の急速な発展を概観する。
利用可能なデータセット、メトリクス、オープンな課題、社会的意味について議論する。
論文 参考訳（メタデータ） (2023-10-11T05:32:29Z) - Characterising Research Areas in the field of AI [68.8204255655161]
トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。
その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
論文 参考訳（メタデータ） (2022-05-26T16:30:30Z) - Building AI Innovation Labs together with Companies [5.316377874936118]
将来的には、ほとんどの企業が人工知能(AI)のトピックに直面することになり、その戦略を決定する必要があります。
最大の課題の1つは、明確なビジネス価値を持つ革新的なソリューションのアイデアを思いつくことです。
これは一方のビジネス能力と他方のAIとデータ分析の技術的能力を必要とする。
論文 参考訳（メタデータ） (2022-03-16T08:45:52Z) - Data-Driven Design-by-Analogy: State of the Art and Future Directions [11.025196033751786]
デザイン・バイ・アナロジー(Design-by- Analogy、DbA)は、ソース・ドメインから引き出されたインスピレーションに基づいて、ターゲット・ドメインに新しいソリューション、機会、あるいは設計が生成される設計手法である。
近年,DbA サポートのためのデータ駆動手法やツールを開発するための新たな機会として,設計データベースやデータサイエンス,人工知能技術が急速に進歩している。
論文 参考訳（メタデータ） (2021-06-03T04:35:34Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。